Usando Transkribus con manuscritos medievales (3): la transcripción inicial
Finalmente llegamos al momento en el que toca hablar sobre cómo realizar una transcripción automatizada. En esta entrada comienzo a describir el trabajo para el desarrollo de un modelo de transcripción para el testimonio D del Lucidario, el códice de Puñonrostro.
Este trabajo fue realizado en una de las dos máquinas virtuales de Transkribus, la desaparecida CITlab HTR+. Esto significa que la descripción del proceso aquí no es la misma a seguir con la máquina restante, PyLaia (en realidad, es casi idéntica salvo el paso final, del cual me ocuparé en una futura entrada sobre la transcripción del testimonio C).
Para comenzar con el modelo, como explicaba en la entrada anterior sobre Transkribus, partí de una transcripción inicial del manuscrito. Este trabajo manual contenía 57 folios (de los 154 del testimonio) y fue revisado dos veces. Las revisiones adicionales son necesarias para evitar introducir errores en el modelo, pues si el texto contiene fallas, el modelo aprenderá de ellas y las repetirá.
Más adelante en el trabajo, cuando encontremos pequeños errores en la transcripción automatizada, podremos estar seguros que son atribuibles a deslices en nuestra transcripción inicial y no a la máquina. Aunque muchas personas naturalmente desconfían de los procesos automatizados porque carecen de la intervención humana (alma, los más poéticos dirían), lo cierto es que el ser humano es el factor de error. La máquina simplemente aprende. Si uno le enseña mal, aprende mal: monkey does what monkey sees.
Volviendo a la transcripción: Transkribus ofrece una opción de visualización que acomoda el texto del manuscrito mientras se van transcribiendo las diferentes líneas:
Para la transcripción de D trabajé con otro aplicativo, el mucho más versátil BBEdit, un editor de texto para Mac que permite resaltar visualmente las marcas de transcripción del sistema semipaleográfico del HSMS. Además, en su modo de edición XML, BBEdit introduce automáticamente los símbolos de cierre empleados en el modelo del HSMS para indicar abreviaturas y pasajes de texto con características especiales (es decir, si yo escribo < o {, BBEdit automáticamente introduce el > o } en posición de cierre). Llegué a él gracias al más digital de los humanistas peninsulares, José Manuel Fradejas:
Habiendo terminado la transcripción inicial, lo siguiente fue la tarea bastante mecánica de copiar el texto en BBEdit:
Encontrar el folio correspondiente en Transkribus:
Y pegar el texto:
Como se ve en la imagen anterior, al pegar el texto en el espacio que le corresponde, Transkribus mantiene la distribución de líneas del texto de origen. Tras unos segundos, lo distribuye en las líneas en blanco que tenía dispuestas tras el análisis del entorno.
Por esto es de suma importancia algo que advertía en la entrada anterior sobre Transkribus: que las líneas reconocidas por Transkribus durante el análisis del entorno correspondan exactamente con las del manuscrito y no existan líneas fantasmas (y si las hay, corregirlas antes de copiar la transcripción inicial). En el siguiente paso, el entrenamiento del modelo, la máquina aprenderá que cada línea corresponde con el texto que le hemos dado. Una línea en blanco o una línea que no ha sido contabilizada, como en la siguiente imagen, es una fuente de problemas:
Cuando esto ocurre, la máquina intenta hacer corresponder la transcripción de las líneas 31 y 32 con las imágenes de esas líneas, creando un modelo de transcripción imperfecto que debe ser descartado pues producirá cualquier cosa menos una transcripción fiel. Dejo para la próxima entrada la parte principal del trabajo con Transkribus: el entrenamiento del modelo.
Imagen de miniatura: fol. 89v de D